読み込んでいます...
一致する結果は見つかりませんでした。
700 以上のラボとコースにアクセス

Vertex AI Platform での構造化データを使用した予測

ラボ 1時間 30分 universal_currency_alt クレジット: 5 show_chart 上級
info このラボでは、学習をサポートする AI ツールが組み込まれている場合があります。
700 以上のラボとコースにアクセス

概要

このラボでは、赤ちゃんの体重を予測する ML モデルをトレーニング、評価、デプロイします。

学習内容

このラボの内容:

  • Vertex AI Workbench のインスタンスを起動する
  • BigQuery データセットと GCS バケットを作成する
  • BigQuery から GCS の CSV にエクスポートする
  • Cloud AI Platform でのトレーニング
  • トレーニング済みモデルをデプロイする

ラボを設定する

ラボを開始する

各ラボでは、新しい Google Cloud プロジェクトとリソースセットを一定時間無料で利用できます。

  1. Qwiklabs にシークレット ウィンドウでログインします。

  2. ラボのアクセス時間（例: 1:15:00）に注意し、時間内に完了できるようにしてください。
    一時停止機能はありません。必要な場合はやり直せますが、最初からになります。

  3. 準備ができたら、[ラボを開始] をクリックします。

  4. ラボの認証情報（ユーザー名とパスワード）をメモしておきます。この情報は、Google Cloud Console にログインする際に使用します。

  5. [Google Console を開く] をクリックします。

  6. [別のアカウントを使用] をクリックし、このラボの認証情報をコピーしてプロンプトに貼り付けます。
    他の認証情報を使用すると、エラーが発生したり、料金の請求が発生したりします。

  7. 利用規約に同意し、再設定用のリソースページをスキップします。

AI Platform Training & Prediction API を有効にする

  1. API ライブラリで「AI Platform Training & Prediction API」を検索し、[AI Platform Training & Prediction API] カードをクリックします。

  2. [有効にする] をクリックして API を有効にします。[管理] が表示されている場合、API はすでに有効になっています。

タスク 1. ストレージ バケットを作成する

  1. Google Cloud コンソールのナビゲーション メニュー（ナビゲーション メニュー アイコン）で [Cloud Storage] をクリックします。

  2. [+ 作成] をクリックします。

  3. バケットの名前として一意の名前（プロジェクト ID など）を入力します。

  4. [作成] をクリックします。

  5. [公開アクセスの防止] ポップアップで [このバケットに対する公開アクセス禁止を適用する] を確定します。

タスク 2. Vertex AI Workbench のインスタンスを起動する

  1. Google Cloud コンソールのナビゲーション メニュー（ナビゲーション メニュー）で [Vertex AI] を選択します。

  2. [すべての推奨 API を有効化] をクリックします。

  3. ナビゲーション メニューで [ワークベンチ] をクリックします。

    [ワークベンチ] ページの上部で、[インスタンス] ビューになっていることを確認します。

  4. [ボックスを追加する新規作成] をクリックします。

  5. インスタンスの構成:

    • 名前: lab-workbench
    • リージョン: リージョンを に設定します
    • ゾーン: ゾーンを に設定します
    • 詳細オプション（任意）: 必要に応じて [詳細オプション] をクリックして、より詳細なカスタマイズを行います（マシンタイプ、ディスクサイズなど）。

Vertex AI Workbench インスタンスを作成する

  1. [作成] をクリックします。

インスタンスが作成されるまで数分かかります。作成が終了するとインスタンスの名前の横に緑色のチェックマークが付きます。

  1. インスタンスの名前の横に表示されている [JupyterLab を開く] をクリックして JupyterLab インターフェースを起動します。ブラウザで新しいタブが開きます。

デプロイされたワークベンチ インスタンス

  1. [Python 3] アイコンをクリックして、新規の Python ノートブックを起動します。

Jupyter ノートブックを開く

  1. メニューバーでファイル Untitled.ipynb を右クリックし、[ノートブック名を変更] を選択して、わかりやすい名前を付けます。

ノートブックの名前を変更する

これで環境が設定されました。これで Vertex AI Workbench ノートブックを使い始める準備ができました。

使用できるようになった Vertex ノートブック

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 Vertex AI Workbench のインスタンスを起動する

タスク 3. Vertex AI Workbench インスタンス内でコース リポジトリのクローンを作成する

GitHub リポジトリには、コースのラボファイルとソリューション ファイルの両方が含まれています。

  1. ノートブックの最初のセルに次のコードをコピーして実行し、training-data-analyst リポジトリのクローンを作成します。
!git clone https://github.com/GoogleCloudPlatform/training-data-analyst

raining-data-analyst リポジトリのクローンを作成する

  1. リポジトリのクローンが作成されたことを確認します。training-data-analyst ディレクトリをダブルクリックし、リポジトリのコンテンツが表示されることを確認します。

training-data-analyst リポジトリを確認する

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 Vertex AI Workbench インスタンス内でコース リポジトリのクローンを作成する

タスク 4. Vertex AI Platform での構造化データを使用した予測

  1. ノートブック インターフェースで、[training-data-analyst] > [courses] > [machine_learning] > [deepdive2] > [production_ml] > [babyweight] に移動して [train_deploy.ipynb] を開きます。

  2. [Select Kernel] ダイアログで、使用可能なカーネルのリストから [Python 3] を選択します。

  3. メニューで [編集] > [出力をすべて消去] をクリックします。

  4. 説明に沿って、ノートブックの各セルで Shift+Enter キーを押すか [実行] をクリックします。

タスク 5. 理解度テスト

クイズに挑戦して Google Cloud Platform に関するご自分の知識をチェックしましょう。

お疲れさまでした

このラボでは、Vertex AI ノートブックで ML モデルをトレーニング、評価、デプロイする方法について学習しました。

ラボを終了する

ラボでの学習が完了したら、[ラボを終了] をクリックします。ラボで使用したリソースが Qwiklabs から削除され、アカウントの情報も消去されます。

ラボの評価を求めるダイアログが表示されたら、星の数を選択してコメントを入力し、[送信] をクリックします。

星の数は、それぞれ次の評価を表します。

  • 星 1 つ = 非常に不満
  • 星 2 つ = 不満
  • 星 3 つ = どちらともいえない
  • 星 4 つ = 満足
  • 星 5 つ = 非常に満足

フィードバックを送信しない場合は、ダイアログ ボックスを閉じてください。

フィードバック、ご提案、修正が必要な箇所については、[サポート] タブからお知らせください。

Copyright 2020 Google LLC All rights reserved. Google および Google のロゴは Google LLC の商標です。その他すべての企業名および商品名はそれぞれ各社の商標または登録商標です。

始める前に

  1. ラボでは、Google Cloud プロジェクトとリソースを一定の時間利用します
  2. ラボには時間制限があり、一時停止機能はありません。ラボを終了した場合は、最初からやり直す必要があります。
  3. 画面左上の [ラボを開始] をクリックして開始します

シークレット ブラウジングを使用する

  1. ラボで使用するユーザー名とパスワードをコピーします
  2. プライベート モードで [コンソールを開く] をクリックします

コンソールにログインする

    ラボの認証情報を使用して
  1. ログインします。他の認証情報を使用すると、エラーが発生したり、料金が発生したりする可能性があります。
  2. 利用規約に同意し、再設定用のリソースページをスキップします
  3. ラボを終了する場合や最初からやり直す場合を除き、[ラボを終了] はクリックしないでください。クリックすると、作業内容がクリアされ、プロジェクトが削除されます

このコンテンツは現在ご利用いただけません

利用可能になりましたら、メールでお知らせいたします

ありがとうございます。

利用可能になりましたら、メールでご連絡いたします

1 回に 1 つのラボ

既存のラボをすべて終了して、このラボを開始することを確認してください

シークレット ブラウジングを使用してラボを実行する

このラボの実行には、シークレット モードまたはシークレット ブラウジング ウィンドウを使用してください。これにより、個人アカウントと受講者アカウントの競合を防ぎ、個人アカウントに追加料金が発生することを防ぎます。